相关实验视频
Updated: Jul 23, 2026
08:43
Three-dimensional Inflammatory Human Tissue Equivalents of Gingiva
Published on: April 3, 2018
10.3K
对牙角质化进行数学建模技术的范围审查:牙周科研的框架
Pradeep Kumar Yadalam1, Raghavendra Vamsi Anegundi1, Carlos M Ardila1,2
1Department of Periodontics, Saveetha Dental College and Hospital, Saveetha Institute of Medical and Technical Sciences, Saveetha University, Chennai,Tamil Nadu, India.
Journal of clinical and experimental dentistry
|November 19, 2025
概括
牙角质化的数学建模对于理解牙周病至关重要. 基于代理的模型 (ABM) 在空间动态方面表现出色,而基因调节网络 (GRN) 和普通微分方程 (ODE) 在分子和时间分析方面更好.
科学领域:
- 计算生物学和系统生物学在口腔健康研究中的应用.
- 跨学科的方法整合数学建模与牙周科学.
背景情况:
- 牙角质化对于口腔组织的保护至关重要,其破坏与普遍的牙周疾病有关.
- 牙角质化背后的分子机制尚未完全理解,这阻碍了有效的牙周病治疗.
- 现有的研究缺乏用于建模牙角质化过程的标准化框架.
研究的目的:
- 评估和比较三个数学建模范式:基因调节网络 (GRNs),普通微分方程 (ODEs) 和基于代理的模型 (ABMs).
- 建立一个框架来选择适当的建模方法进行牙周科研.
- 引导未来的研究,以了解牙角质化及其在牙周疾病中的作用.
主要方法:
- 通过PubMed,Web of Science和IEEE Xplore的综合文献搜索确定了42项研究的系统范围审查.
- 模型在生物尺度,时空分辨率,随机性,计算复杂性和扰乱响应方面进行了定量评估.
- 统计分析,包括单向ANOVA和Tukey的HSD测试,用于比较基因表达,时间动态和空间建模中的模型能力.
主要成果:
- 基于代理的模型 (ABM) 在空间组织和机械应力模拟方面显示出卓越的多功能性 (75.0%),具有高扰动覆盖率 (87.5%).
- 基因调控网络 (GRNs) 在基因表达建模方面表现出色 (9/10),而普通微分方程 (ODEs) 在时间动态方面表现出色 (7/10).
- GRNs和ODE在遗传和人口层面的动态方面表现出强势,分别在扰乱覆盖率上得分为62.1%和65.2%.
结论:
- 基于代理的模型 (ABM) 对于牙角质化研究的空间和随机方面是最优的.
- 基因调节网络 (GRNs) 和普通微分方程 (ODEs) 更适合分别用于分子和时间分析.
- 建议将这些不同的建模方法整合起来,以全面了解牙角质化和牙周疾病.
